Transformer превзошел LSTM и Mamba в прогнозировании нагрузок на бедро по походке
Исследователи разработали и сравнили три архитектуры глубокого обучения для оценки нагрузок на тазобедренный сустав по кинематике походки. Трансформерная модель (Transformer) показала наилучшие результаты, превзойдя LSTM и Mamba.
В эксперименте участвовали 60 здоровых взрослых, которые ходили под три метрономных темпа. Для обучения использовали 10 углов нижних конечностей, а целевыми значениями были мышечные силы и моменты, полученные с помощью OpenSim.
Лучшие показатели у Transformer: RMSE 1.33 N/kg и R? 0.819 для силы мышц; RMSE 0.11 Nm/kg и R? 0.862 для моментов сустава. Модели LSTM и Mamba показали более низкую точность.
Затем лучшую модель проверили на 9 пациентах с остеонекрозом головки бедра без дополнительного обучения. Точность снизилась, но осталась умеренной: R? 0.537 для сил и 0.569 для моментов.
Результаты подтверждают возможность оценки биомеханики таза по простым кинематическим данным. Традиционный подход с мультискелетной симуляцией трудоёмок и редко применяется в клиниках, а предложенный метод может сделать такие измерения быстрее и доступнее.
Однако до клинического применения необходима широкая валидация на разных патологиях и улучшение обобщающей способности модели. Исследование опубликовано на arXiv и открыто для научного сообщества.
